ttach

收录理由

测试时增强是一种成本低廉的技巧，能让训练好的 PyTorch 模型在推理时表现更稳定。做法不是把每张图只过一遍模型，而是生成多个增强版本分别预测，再把结果合并起来。这个轻量封装库把流程细节都处理好了，自带现成的变换组合，比如 d4 变换（翻转加 90 度旋转），合并方式也有均值、几何均值、最大值等可选。它还会在聚合前对掩码和标签做逆变换，省得你自己写这些簿记代码，并且同样支持关键点模型以及多输入多输出的情况。如果你手头有闲置算力，想让指标稍微好看一点，花几分钟把模型包一层就行，完全不用重新训练。